Компьютерные науки > Компютеры и общество [представлено 7 августа 2025 года (v1), последний пересмотренный вариант 16 сентября 2026 года (эта версия, v4))] Название: Algorithmic кратчайший список в "PDF Building View" (экспериментальный) резюме: составление бюджета на основе участия - это демократическое нововведение, позволяющее гражданам предлагать проекты государственных инвестиций и голосовать по ним. Чтобы помочь организаторам управлять большим количеством представлений, мы проектируем и протестируем методы сохранения конфиденциальности для алгоритма короткого списка. Эти алгоритмы предсказывают, какие проекты будут финансироваться только с использованием характеристик проектов и анонимных данных о голосовании за прошлые периоды. Мы демонстрируем ограничения наивного подхода, в рамках которого используется большая языковая модель для определения рейтинга проектов с учетом прошлого успеха и предлагаем трубопровод на основе голосования, который позволяет самым современным МЛМ работать по аналогии с классическим машинным обучением. Наши выводы свидетельствуют о том, что предпочтения пользователей при составлении бюджета на основе широкого участия являются достаточно стабильными для того, чтобы алгоритмический короткий список позволял эффективно приблизить первоначальный выбор проектов. История представления: Хуан Игнасио Замбрано [видение электронной почты] [v1] Ту, 7 августа 2025 года 15:26:22 UTC (668 KB) [ v2] Tue, 3 февраля 2026 10:53:16 UTK (1 130 KB)] [v3] Mon, 6 Jul…
Алгоритмический короткий список при составлении бюджета на основе участия
arXiv: 2508,06577v4 Annuales Type: заменить перекрестное резюме: составление бюджета на основе участия является демократическим новшеством, которое позволяет гражданам предлагать проекты государственных инвестиций и голосовать по ним. Чтобы помочь организаторам управлять большим количеством представлений, мы проектируем и протестируем методы сохранения конфиденциальности для алгоритма короткого списка. Эти алгоритмы предсказывают, какие проекты будут финансироваться только с использованием характеристик проектов и анонимных данных о голосовании за прошлые периоды. Мы демонстрируем ограничения наивного подхода, в рамках которого используется большая языковая модель для определения рейтинга проектов с учетом прошлого успеха и предлагаем трубопровод на основе голосования, который позволяет самым современным МЛМ работать по аналогии с классическим машинным обучением. Наши выводы свидетельствуют о том, что предпочтения пользователей при составлении бюджета на основе широкого участия являются достаточно стабильными для того, чтобы алгоритмический короткий список позволял эффективно приблизить первоначальный выбор проектов.